Advertisement

探究中国资本市场低价股溢价现象(含2000-2020年数据分析及Stata代码)

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:ZIP


简介:
本研究深入分析了2000年至2020年间中国资本市场的低价股溢价现象,并提供了详实的数据支持与Stata编程实现,为投资者和学者提供有价值的洞见。 中国资本市场低价股的溢价之谜 本段落选取2000年至2020年间沪深两市A股上市公司作为研究样本。 数据筛选标准如下: - 剔除发行B股或H股的交叉上市公司的样本。 - 排除非金融保险业公司。 - 排除资不抵债的公司。 - 删除缺失关键变量的数据点。 **1. 因变量——个股收益率** 本段落旨在探讨股票价格与其回报率之间的关系,因此以个股收益作为因变量。鉴于研究主要基于月度数据,我们采用考虑现金红利再投资的月回报率减去无风险利率来衡量个股收益率。其中无风险利率是指每月折算的一年期银行存款利率。 **2. 自变量** 根据假设设计,本段落涉及以下自变量:股票价格、散户规模、机构投资者持股比例、证券分析师关注度及卖空机制。 - 股票价格(PRICE):采用上市公司月末收盘价来衡量其市场价格水平。 - 散户规模(RETRAIL) :由于不同公司之间的股本总额和市值差异较大,直接比较股东人数不具备可比性。因此本段落使用持股的个人股东数与总股份数的比例作为散户规模的度量指标。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 2000-2020Stata
    优质
    本研究深入分析了2000年至2020年间中国资本市场的低价股溢价现象,并提供了详实的数据支持与Stata编程实现,为投资者和学者提供有价值的洞见。 中国资本市场低价股的溢价之谜 本段落选取2000年至2020年间沪深两市A股上市公司作为研究样本。 数据筛选标准如下: - 剔除发行B股或H股的交叉上市公司的样本。 - 排除非金融保险业公司。 - 排除资不抵债的公司。 - 删除缺失关键变量的数据点。 **1. 因变量——个股收益率** 本段落旨在探讨股票价格与其回报率之间的关系,因此以个股收益作为因变量。鉴于研究主要基于月度数据,我们采用考虑现金红利再投资的月回报率减去无风险利率来衡量个股收益率。其中无风险利率是指每月折算的一年期银行存款利率。 **2. 自变量** 根据假设设计,本段落涉及以下自变量:股票价格、散户规模、机构投资者持股比例、证券分析师关注度及卖空机制。 - 股票价格(PRICE):采用上市公司月末收盘价来衡量其市场价格水平。 - 散户规模(RETRAIL) :由于不同公司之间的股本总额和市值差异较大,直接比较股东人数不具备可比性。因此本段落使用持股的个人股东数与总股份数的比例作为散户规模的度量指标。
  • SYN同步性和信息量的Stata原始2000-2021的结果)
    优质
    本研究使用Stata软件分析了SYN股票从2000年至2021年间的价格同步性及其所携带的信息量,提供了详尽的数据分析代码和原始数据。 股价同步性的计算方法在不同参考文献中有差异,以下是三种常用的方法: 第一种:中国的证券分析师能够提高资本市场股价同步性和股价信息含量的经验证据(朱红军) 第二种:信息透明度、机构投资者与股价同步性(王亚平) 第三种:分析师能降低股价同步性吗——基于研究报告文本分析的实证研究(伊志宏) 在回归后,使用以下公式进行对数化处理来计算股价同步性。 数据说明: - 原始数据包含1990年至2021年每周个股收益率、综合周市场收益率以及行业代码和交易状态。 - 数据格式为dta文件(适用于Stata 14及以上版本)。 - 最终结果将以Excel格式提供。 - 研究对象为2000年至2021年间沪深两市A股上市公司。 - 剔除每年交易周数少于30周的样本,以便有效估计。 - 行业代码基于2012年证监会行业标准,并且剔除了金融保险业。如需保留该行业,则需要修改相关数据处理程序中的注释部分即可。 - 提供正常交易、ST(特别处理)、*ST(退市风险警示)、PT(暂停上市)和退市整理期等不同交易状态的筛选条件。
  • 2000-2020各省总值(WIND
    优质
    本报告基于WIND数据,全面分析了2000年至2020年间中国各省份股票市场的总市值变化趋势,揭示区域经济发展与资本市场成长的紧密联系。 标题中的“2000-2020分省份-股票市价总值-WIND数据库”揭示了这个数据集的核心内容。这是一份涵盖了从2000年至2020年间中国各省份的股票市场市值的数据,来源于知名的金融信息提供商WIND数据库。WIND数据库在金融界具有很高的权威性,并且其提供的数据被广泛应用于研究、投资决策和市场分析。 描述中提到这些数据“真实可靠,未经过任何修正”,强调了数据的原始性和准确性。与EPS数据库进行了比对后发现,尽管后者存在一定的数据缺失问题,但WIND数据库的数据完整性更高,显示出在可靠性方面的优势。 标签中的“数据库”指明这是一个存储和管理股票市值信息的系统,“金融商贸”则表明这些数据主要用于金融市场分析、投资策略制定以及地区经济研究等领域。 压缩文件中包含一个名为“说明.txt”的文档,可能包含了对整个数据集的解释或使用指南。此外还有一个名为“6864.zip”的文件,里面应该保存了实际的数据信息,并且以表格或者CSV格式存储,便于利用数据分析软件进行处理和分析。 这个数据集提供了长达二十年间中国各省份股票市场的总市值信息,在研究中国股市的发展、地区经济差异以及制定投资策略等方面都具有很高的价值。通过WIND数据库获取的未经修正的真实数据可以支持深入统计分析,例如时间序列分析以探究市值变化趋势或空间统计分析来比较不同省份间的市场表现等,并且还可以结合其他经济指标进行多因素研究,揭示影响股票市值的各种深层次因素。使用时需要注意自行评估和处理可能存在的异常值及缺失值问题。
  • 2000-2020环保投.rar
    优质
    本资源包含从2000年至2020年间全球主要国家和地区的环保投资数据,并附有相关的数据分析报告与Python/R代码,便于深入研究环境经济趋势。 2000-2020年上市公司环保支出分析 数据来源:A股上市公司的财务报表。 时间跨度:从2000年至2020年。 区域范围:涵盖所有在A股市场交易的公司。 指标计算方法: 通过筛选上市公司财务报表附注中的“在建工程”和“管理费用”,寻找与环保投资相关的关键词,以获取相应的环保支出数据。由于“其他应付款”项目位于资产负债表的不同位置(即借方或贷方),直接加总可能会导致重复计数的问题,因此仅选取了“在建工程”和“管理费用”两个项目进行筛选。 参考文献: 1. 谢东明,《地方监管、垂直监管与企业环保投资——基于上市A股重污染企业的实证研究》。 2. 崔广慧,姜英兵,《环境规制对企业环境治理行为的影响》。
  • 2020产业包(Stata).zip
    优质
    该压缩文件包含2020年的全面产业数据分析资料及实用的Stata编程代码,旨在帮助用户深入理解和分析经济数据。 本段落介绍了一种方法来优化代码性能,并详细阐述了如何通过分析瓶颈、改进算法以及利用高级编程技术来提高程序的执行效率。文章首先解释了在软件开发过程中遇到的一些常见问题,然后提供了一系列实用技巧和建议,帮助开发者有效地解决问题并提升应用程序的整体表现。 文中还讨论了几种具体的工具和技术的应用场景及实施步骤,包括但不限于性能监控器、代码审查以及内存管理策略等,旨在为读者提供全面的指导和支持。此外,作者分享了一些个人经验,并鼓励大家不断探索新的解决方案以应对日益复杂的软件开发挑战。 总之,这篇文章适合所有希望提高自己编程技能和项目质量的技术人员阅读参考。
  • 地级料(2000-2018).zip
    优质
    本数据集包含中国各主要地级市从2000年至2018年的房价信息,涵盖平均价格、成交量等关键指标,适合研究房地产市场长期趋势。 全国地级市的房价数据涵盖了各个城市的房地产市场价格情况。这些数据可以帮助人们了解不同城市之间的房价差异以及市场趋势。分析这类数据对于购房者、投资者及研究者都具有重要价值,能够为他们的决策提供有力支持。
  • 二手车可视化(集和).rar
    优质
    本资源提供了全面的二手车市场分析报告,包含详实的数据集与Python实现代码,帮助用户深入理解并可视化价格波动趋势。 通过深入分析二手车的价格数据,并将其转化为直观的可视化图表,我们能够获取对市场趋势的深入了解,从而指导消费者、经销商和政策制定者做出更明智的决策。 首先,对于消费者而言,了解二手车价格的变化趋势和影响因素至关重要。通过数据分析和可视化,消费者可以更加清晰地看到不同车型、不同年份以及不同里程数之间的价格差异,帮助他们准确评估目标车辆的价值,并避免受到过高或过低报价的影响。 其次,对经销商来说,二手车价格的数据分析与可视化同样具有重要意义。经销商可以通过分析价格数据来优化库存结构和提高资金周转率;同时根据市场趋势制定更加合理的定价策略以提升竞争力。此外,通过对竞争对手的价格数据进行深入研究,他们还能更好地把握市场动态,并据此制定有效的市场营销策略。 最后从政策层面来看,二手车价格的数据分析与可视化有助于政府更准确地掌握市场状况并为相关政策的出台提供有力支持。例如,在参考这些数据的基础上,政府部门可以设计出更加合理的税收方案来促进整个二手汽车市场的健康发展。
  • 2000-2020各省份存量
    优质
    该数据集包含中国从2000年至2020年期间各省级行政区的详细资本存量信息,为经济研究和政策分析提供了宝贵的实证依据。 数据来源为统计年鉴及各省的统计年鉴,涵盖了除西藏之外的30个省份,时间跨度从2000年至2020年。指标依据单豪杰(2008)《中国资本存量K的再估算:1952~2006年》中的计算方法进行分析,并使用以下公式来确定每期的资本存量: 本期资本存量 = 上期资本存量 × (1 - 10.96%) + 本期固定资产形成总额 文件中详细记录了原始数据和具体的计算过程。
  • 2000-2020地级夜间灯光DMSP与VIRRS料)
    优质
    本数据集包含2000至2020年间中国所有地级市的夜间灯光强度信息,基于DMSP和VIIRS卫星观测,反映了过去二十年中国的城市化进程及经济发展动态。 数据包括2001年至2012年的校正后的DMSP地级市夜间灯光数据以及2012年至2020年的校正后的VIRRS地级市夜间灯光数据。